Espacio Vectorial Página 1 de 6

ESPACIO VECTORIAL
La introducción se dará en clase.
Dados: V : un conjunto no vacío
( K ; + ; . ) : un cuerpo
 y  dos leyes
Definición:
( V ;  ; K ;  ) tiene estructura de espacio vectorial si y sólo si se verifican los
siguientes axiomas:
Ax. 1:  es ley de composición interna en V
 : V2  V
X , Y : X V Y V X  Y V
Ax. 2:  es asociativa en V
( X  Y )  Z = X  ( Y  Z ) para todo X, Y, Z pertenecientes a V
Ax. 3:  es conmutativa en V
X  Y = Y  X para todo X, Y pertenecientes a V
Ax. 4: Existe elemento neutro para  en V
N V / X  V : X  N = N  X = X
Ax. 5: Existencia de simétricos para  en V
X V ,  X* V / X  X* = X*  X = N
Ax. 6:  es ley de composición externa
 : K V  V
X : K X V   X V
Ax. 7: Asociativa mixta
K , K, X V : (   X =   (   X )
Ax. 8:  es distributiva con respecto de  en V
K,  X V, Y V :   ( X  Y ) =   X    Y
Ax. 9:  es distributiva con respecto de + en K
K K , X  V : (   X =   X    X
Ax. 10: La unidad del cuerpo ( 1 K ) es neutro para 
X V : 1 K  X = X
A los elementos de V se los denominan vectores y a los de K escalares.
No confundir  : V 2  V Ley de composición interna en V ( adición de vectores)
con + : K 2  K Ley de composición interna en K ( adición de escalares)
No confundir :  : K  V  V Ley de composición externa (producto de escalar y vector)
con . : K 2  K Ley de composición interna en K ( producto de escalares)
Los cinco primeros axiomas indican que ( V ;  ) es un grupo conmutativo.
Espacio Vectorial Real
( V ;  ; R ;  ) El cuerpo K  R el cuerpo de los reales
Ejemplo: Si V Rn
 es la adición usual de vectores
( x ; x ;......;x n )  ( y ; y ;.....; y n )  ( x  y ; x  y ;......; x n  y n )
1 2 1 2 1 1 2 2
 es el producto usual de un escalar y un vector
 Espacio Vectorial Página 2 de 6

. ( x ; x ;......;x n )  (  x ;  x ;.......;  x n )

1 2 1 2
Cuando decimos el cuerpo de los reales nos estamos refiriendo a (R ; + ; . ) en donde + y . son
respectivamente la suma y producto de números reales.
( Rn;  ; R ;  ) es el espacio vectorial de las n-uplas ordenadas de números reales sobre el
cuerpo de los números reales.
Propiedades de los espacios vectoriales
Dado ( V ;  ; R ;  ) espacio vectorial
P. 1: X V : 0  X  0V con 0 V denotamos al vector nulo de V
D)   X  (  0)  X ax.9   X  0  X    X    X  0  X  0  X  0V
 transitiva  
0 neutro ( R ,  )  0 V ax 4

P. 2:  R :   0 V  0 V
D)   X    (X  0 V ) ax.9   X    0 V transitiva
    X    X    0V    0V  0V
  
0 V neutro ( V ,  )  0 V ax 4

P. 3: X V : (1)  X  X
D) (1)  X  X ax.10 (1)  X 1 X ax.9(1)  1  X  0  X  0 V  (1)  X  X  0 V  (1)  X  X
ax .5

P. 4:   R, X  V :   X  0V    0  X  0V
D) Si  = 0 la proposición es verdadera
  X  0V    0  X  0V
  
V

V
 
No importa el valor de verdad

  0    R :     X     0 V      X  0 V  1 X  0 V 
1 1 1 1
X  0V
 ax .10
ax .7

SUBESPACIOS VECTORIALES
Definición:
Dados ( V ;  ; R ;  ) espacio vectorial; S  V y S  { }
S es un subespacio de V bajo el mismo cuerpo y con las mismas leyes de composición sí y sólo
sí ( S ;  ; R ;  ) tiene a su vez estructura de espacio vectorial.

Para todo espacio vectorial ( V ;  ; R ;  ) son subespacios de él:

( V ;  ; R ;  ) y ( { 0 V } ;  ; R ;  ) siendo 0 V el vector nulo de V , que se llaman
subespacios triviales. Los otros subespacios de V se denominan propios.

Condición Necesaria y Suficiente de Subespacio

( S ;  ; R ;  ) es subespacio de ( V ;  ; R ;  ) sí y sólo sí:

1. El conjunto S no vacío e incluido en V: S     S  V
2.  es L.C.I en S : X, Y : X  S  Y  S  X  Y S
3.  es L.C.E. en S: , Y :   R  X  S    X S

 
Combinación Lineal de Vectores: ( C. L. )
Dados ( V ;+; R ; .) espacio vectorial y A  v ; v ;.....; v  V
1 2 n
 Espacio Vectorial Página 3 de 6

El vector X  V es combinación lineal de A sí y sólo si existen escalares reales :  ; ;....; n tal

1 2
que: X  1 v1   2 v 2 ....  n v n
Definición:
n
X  V es C.L. de A  V     R / X    v
i i1 i i

Espacio Generado por un Conjunto de Vectores

Dados ( V ; + ; R ; . ) espacio vectorial y un conjunto A  v1 , v 2 ,...., v n   V y no vacío
El espacio generado por A es el conjunto de todos los vectores que son combinación lineal de los
vectores de A. Lo denotamos con gen(A) ( espacio generado por A )
 
gen (A)  X   v   v ........   v /   R  v  V 
 1 1 2 2 n n i i 
Propiedad:
Todo espacio generado por un conjunto de vectores de V es un subespacio de V.
Dependencia e Independencia Lineal
Conjunto Linealmente Independiente: ( L. I. )
El conjunto A  V es linealmente independiente si y sólo si la única combinación lineal de A
para obtener el vector nulo es la trivial (para todos los escalares nulos).
A  V es L.I.  1 v1   2 v 2 .....  n v n  0      ...    0
V 1 2 n

Conjunto Linealmente Dependiente: ( L. D. )

Un conjunto es linealmente dependiente si no es linealmente independiente.
El conjunto A  V es linealmente dependiente si y sólo si existe una combinación lineal de A para
obtener el vector nulo además de la trivial
A  V es L.D.   /   0  1 v1   2 v 2  ......   n v n  0
i i V
Propiedades:
P. 1) Si un vector es combinación lineal de un conjunto linealmente independiente, dicha
combinación es única.
P. 2) Todo conjunto que contenga un solo vector no nulo es linealmente independiente.
P. 3) Todo subconjunto no vacío de un conjunto linealmente independiente es linealmente
independiente.
P. 4) Un conjunto finito de vectores es linealmente dependiente si y sólo si al menos un vector del
conjunto es combinación lineal de los restantes.
P. 5) Un conjunto finito de vectores es linealmente independiente si y sólo si ningún vector del
conjunto es combinación lineal de los restantes.
P. 6) Todo conjunto que contenga al vector nulo es linealmente dependiente.
Sistema Generador de un Espacio Vectorial ( S. G. )
 
Un conjunto A   v ; v ;....; v   V es un sistema generador de V si y sólo si todo vector de V
 1 2 n
se puede obtener como combinación lineal de los vectores de A, esto es equivalente a decir que el
espacio generado por A es V.
 Espacio Vectorial Página 4 de 6

A  V es un S.G. de V  v : v  V  v .1 v1  2 v 2  .....  n v n

A  V es un S.G. de V  gen (A)  V

Base de un Espacio Vectorial

Un conjunto A  V es una base de ( V ; + ; R ; . ) si y sólo si A es un sistema generador de V y A
es linealmente independiente.
A  V es una base de V  gen (A)  V  A es L.I.
El espacio nulo es el único espacio que carece de base.
Coordenadas o Componentes de un Vector en una Base:

Sea A   
v1; v 2 ; ....; v n   V una base de V entonces por ser un sistema generador de V cada
 
vector de V se puede obtener como combinación lineal de A y como A es linealmente independiente
entonces dicha combinación es única, por lo tanto:
X  V : X   v   v ....  n v n siendo los escalares las coordenadas del vector X en la
1 1 2 2
base A y se suele expresar mediante un vector columna cuyos elementos son las coordenadas:
 1 
 
 2 
 
X[]   . 
. 
 
 n 
 
Dimensión de un Espacio Vectorial ( dim )
Todas las bases de un espacio vectorial poseen la misma cantidad de vectores y a ese número se lo
llama dimensión del espacio.
 
Si A   v ; v ; ....; v   V una base de V entonces dim(V) = n
 1 2 n
La dimensión del espacio nulo es cero: dim 0 V   0
Propiedades:

P. 1) Si dim(V) = n y A   
 v1; v 2 ; ....; v n   V es L. I. entonces A es una base de V
 
 
P.2) Si dim(V) = n y A   v ; v ; ....; v   V es S.G. de V entonces A es una base de V
 1 2 n 
P. 3) Todo conjunto que contenga más de “n” vectores de un espacio vectorial de dimensión “n” es
linealmente dependiente.
P. 4) Si S es un subespacio de V y dim(S) = dim(V) entonces S = V
 
P. 5) Si A   v ; v ; ....; v   V es L. I. ; dim(V) = n y p < n entonces se puede extender A
 1 2 p 
hasta formar una base de V.
 Espacio Vectorial Página 5 de 6

Operaciones con Subespacios

Dados S y T dos subespacios de ( V ;  ; R ;  ) espacio vectorial
Unión de Subespacios:
S  T  v / vS  v  T 
La unión de dos subespacios no siempre es un subespacio, ya que en algunos casos no se cumple la
ley de composición interna, por ejemplo:
  
Si  es la suma usual en R2 y S  x; y  R 2 / x  0 ; T  x; y  R 2 / y  0 

S  T  x; y  R 2 / x  0  y  0 
 0 ; 2  S  T   3 ; 0  S  T   0 ; 2   3; 0   3 , 2 S  T
Intersección de Subespacios:
S  T  v / v  S  v  T 
La intersección de dos subespacios de V es otro subespacio de V.

 
Suma de Subespacios:
S  T  v / v  v  v  v  S  v  S
1 2 1 2
La suma de dos subespacios de V es otro subespacio de V.
Suma Directa:
Si S  T   0 V  entonces la suma se denomina suma directa y se simboliza con 
S  T  S  T  S  T   0V 1
Dimensión de la suma:
Si S y T son dos subespacios de ( V ;  ; R ;  )
dim( S + T ) = dim(S) + dim(T) - dim( S T )

Espacio Vectorial Euclidiano

Espacio euclidiano es todo espacio vectorial con producto interno
Producto interno  , 
Dado ( V ; + ; R ; . ) espacio vectorial. El producto interno en V es toda función que asigna a cada
par de vectores X e Y de V un número real que se indica con X , Y tal que:
1.  X , Y  Y , X para todo X , Y de V.( simetría)
2.  a . X  b. Y , Z   a X , Z   b Y , Z  para todo a y b reales ( linealidad)
3.  X, X  0 para todo X  0 ( positividad) y 0V , 0V  0
V

Producto Interno en ( Rn ; + ; R ; . )

   
Dados X  x ;x ;.......;x ; Y  y ;y ;......;y dos vectores cualesquiera de Rn
1 2 n 1 2 n
n
 X; Y    x y
i i
i 1
Producto Interno en ( P n ; + ; R ; . )
 Espacio Vectorial Página 6 de 6

p(x)  a  a x  a x 2 ....a n x n
0 1 2
Dados:
q (x)  b  b x  b x 2 .... b n x n
0 1 2
n
 p, q    a b
i i
i 0
Norma de un Vector
Definición: La norma de un vector es igual a la raíz cuadrada del producto interno de dicho vector
por sí mismo.
X   X;X
Ortogonalidad
Definición: Dos vectores son ortogonales si y sólo si su producto interno es nulo
X  Y   X; Y  0
Conjunto Ortogonal de Vectores
 
Definición: Un conjunto A   v ; v ; ....; v   V espacio vectorial con producto interno es
 1 2 n
ortogonal si y sólo si cada vector de A es ortogonal a los restantes vectores
 
A  v ; v ; ....; v  es ortogonal  i  j  v , v   0
 1 2 n i j
Complemento Ortogonal de un Subespacio
Definición: Dados: ( V ; + ; R ; . ) un espacio vectorial con producto interno y ( S ; + ; R ; . ) un
subespacio de él. El complemento ortogonal del subespacio S es el conjunto formado por todos los
vectores de V que son ortogonales a todos los vectores de S.
S  X / X V  X  Y , YS 
Propiedad:
El complemento ortogonal de un subespacio de V es también un subespacio de V.
Teorema de las Dimensiones:
La dimensión de un subespacio S de V más la de su complemento ortogonal es igual a la
dimensión de V.
dim(S) + dim(S  ) = dim(V)
Base Ortonormal
 
Dados: ( V ; + ; R ; . ) un espacio vectorial con producto interno y A   v ; v ; ....; v   V una
 1 2 n
base de V.
Definición: A es una base ortonormal si y sólo si A es ortogonal y todos los vectores de A tienen
norma igual a uno.
A es base ortonormal  i j   v ; v   0  v  1 , i  1,2,...,n
i j i

1
El símbolo  también se usa para la suma directa de subespacios.